1.查询矩阵的大小:.shape
-
import numpy as np a = np.array([1, 2, 3, 4]) b = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [7, 8, 9, 10]]) print (a.shape) print ('---') print (b.shape)
type(a.shape) # 输出 (4,) --- (3, 4)tuple #这说明shape输出对象是一个元组类型,存储一个元素时表明对象是一个一维数组,有两个元素即为二维数组。
如:(4, )shape有一个元素即为一维数组,数组中有4个元素
(3, 4)shape有两个元素即为二维数组,数组为3行4列1.1通过修改数组的shape属性,在保持数组元素个数不变的情况下,改变数组每个轴的长度。下面的例子将数组b的shape改为(4, 3),从(3, 4)改为(4, 3)并不是对数组进行转置,而只是改变每个轴的大小,数组元素在内存中的位置并没有改变:
b.shape = 4, 3 print (b) # 输出 [[ 1 2 3] [ 4 4 5] [ 6 7 7] [ 8 9 10]]
1.2.当某个轴的元素为-1时,将根据数组元素的个数自动计算该轴的长度,下面程序将数组b的shape改为了(2, 6):
b.shape = 2, -1 print (b) # 输出 [[ 1 2 3 4 4 5] [ 6 7 7 8 9 10]]
2.使用数组的reshape方法,可以创建一个改变了尺寸的新数组,原数组的shape保持不变:
a = np.array((1, 2, 3, 4)) b = a.reshape((2, 2)) b # 输出 array([[1, 2], [3, 4]])
a = np.array([[1,2,3,4],[2,3,4,5]])
c = a.reshape(a.shape[0],-1)
#输出 array=[[1 2 3 4] [2 3 4 5]]
3.创建数组: .array
首先需要创建数组才能对其进行其它操作,通过给array函数传递Python的序列对象创建数组,如果传递的是多层嵌套的序列,将创建多维数组(如c):import numpy as np a = np.array([1, 2, 3, 4]) b = np.array((5, 6, 7, 8)) c = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [7, 8, 9, 10]]) print (a) print ('---') print (b) print ('---') print (c) # 输出 [1 2 3 4] --- [5 6 7 8] --- [[ 1 2 3 4] [ 4 5 6 7] [ 7 8 9 10]]
- 若导入numpy用的是
import numpy
命令,那么在创建数组的时候用a = numpy.array([1, 2, 3, 4])
的形式 - 若导入numpy用的是
import numpy as np
命令,那么用a = np.array([1, 2, 3, 4])
4.数组元素的类型可以通过dtype属性获得
db.dtype == float# dtpye是data-type的缩写,专门用于获取对象的数据类型
http://blog.csdn.net/lwplwf/article/details/55506896
http://blog.csdn.net/sinat_34474705/article/details/74458605
5.行列向量表示方法:
Python中可以通过numpy进行矩阵的运算。
其中,
a = array([1, 2]) 是列向量
b = array([[1,2]]) 是行向量
c = array([[1,2],[1,2]])是一个2x2的矩阵
可以看出,行向量就是普通矩阵的特殊情况6.Python numpy函数:dot()
dot()函数是矩阵乘,而*则表示逐个元素相乘
- 若导入numpy用的是